YOLOv5-SVHN模型数字检测结果不符预期，请求技术协助

问题背景 #

使用YOLOv5-SVHN预训练模型检测目标图片中的数字（实际为4、8、4、6），初始因图片清晰度不足仅检测到数字4，将RGB图转灰度并放大10倍后，出现大量高置信度误识别，正确数字检测效果极差。

问题原因分析 #

1. 自定义裁剪预测逻辑错误

   • 手动递归裁剪图像并重复调用模型预测，导致大量非数字区域被输入模型，产生无效检测框；递归逻辑会重复检测同一区域，造成重复误检。
   • 裁剪区域的尺寸计算基于原始图像的宽高，放大后未对应调整，导致裁剪区域与数字实际尺寸不匹配。

2. 图像预处理不合理

   • 预训练模型基于RGB图像训练，转为灰度图会丢失颜色特征（SVHN数据集包含颜色信息），导致模型无法正确提取有效特征。
   • 直接用默认方法放大10倍会引入严重锯齿，模糊数字边缘，反而降低模型识别精度。

3. 置信度阈值过低

   • 设置0.3的置信度阈值过于宽松，大量低置信度的误检结果被保留，掩盖了正确检测结果。

4. 缺少重复检测框过滤

   • 未启用非极大值抑制（NMS）或自定义逻辑未处理重复框，导致同一区域被多次检测，输出大量冗余结果。

解决方案 #

1. 移除自定义裁剪逻辑，直接用模型整图预测
   YOLOv5本身是端到端的目标检测模型，支持直接输入整图进行多目标检测，无需手动分区域裁剪。

2. 修正图像预处理流程

   • 保留RGB图像输入，避免转灰度丢失特征；
   • 使用双线性插值方法放大图像，减少锯齿；
   • 可通过增强对比度提升数字与背景的区分度，替代转灰度操作。

3. 提高置信度阈值
   将置信度阈值提高至0.5及以上，过滤低置信度误检结果。

4. 启用模型内置的NMS
   YOLOv5的autoshape模式已内置NMS，只需正确解析模型输出即可自动去除重复检测框。

修正后代码示例 #

import torch
from PIL import Image, ImageEnhance
import matplotlib.pyplot as plt

# 加载预训练模型
model = torch.hub.load('icns-distributed-cloud/yolov5-svhn', 'svhn').fuse().eval()
model = model.autoshape()

# 加载并预处理图像
img_path = r"C:\Users\user1\Documents\third.jpg"
img = Image.open(img_path)

# 增强对比度（替代转灰度）
enhancer = ImageEnhance.Contrast(img)
img_enhanced = enhancer.enhance(2.0)

# 双线性插值放大2倍（避免过度放大引入锯齿）
w, h = img_enhanced.size
img_resized = img_enhanced.resize((w*2, h*2), Image.Resampling.BILINEAR)

# 模型预测，设置置信度阈值和NMS阈值
results = model(img_resized, conf_thres=0.5, iou_thres=0.5)

# 可视化检测结果
results.show()

# 打印检测结果
print("检测结果：")
for pred in results.xyxy[0]:
    x1, y1, x2, y2, conf, clas = pred
    print(f"数字: {int(clas)}, 置信度: {conf.item():.2f}, 坐标: ({x1.item():.0f}, {y1.item():.0f}), ({x2.item():.0f}, {y2.item():.0f})")

额外优化建议 #

• 若图片仍存在模糊问题，可尝试使用图像去噪算法（如OpenCV的cv2.GaussianBlur）预处理；
• 若模型对特定数字识别效果差，可收集类似数字样本进行少量微调；
• 调整放大倍数至2-4倍即可，过度放大反而会稀释特征。

内容的提问来源于stack exchange，提问作者Stack Overflow